À l'ère du numérique, la protection de la vie privée est de plus en plus importante. Cependant, vous ne vous doutez peut-être pas que les émissions électromagnétiques des câbles HDMI peuvent elles aussi servir de vecteur de fuite d'informations. Récemment, une équipe de recherche de la faculté d'ingénierie de l'Université de la République d'Uruguay a réussi, grâce à l'intelligence artificielle, à reconstituer le contenu d'images à partir des signaux électromagnétiques émis par un câble HDMI.
Au cœur de cette recherche se trouve un modèle IA de bout en bout, spécialisé dans la restauration de texte, capable de réduire le taux d'erreur de caractères des signaux HDMI à environ 30 %. Cela peut sembler abstrait, mais imaginez l'écran de votre ordinateur à droite et le résultat final du modèle IA au centre : vous comprendrez alors l'impact de cette technologie.
Nous savons que les signaux numériques comme le HDMI sont plus difficiles à restaurer que les signaux analogiques, car le codage 10 bits entraîne une augmentation de la bande passante et un mappage non linéaire entre le signal et l'intensité des pixels. Cependant, cette technologie rend décodable ce qui était auparavant insaisissable : les ondes électromagnétiques.
L'équipe de recherche a d'abord utilisé une antenne pour capter les ondes électromagnétiques émises par le câble et les connecteurs HDMI. Ces signaux ont ensuite été reçus par un dispositif radio défini par logiciel (SDR) et convertis en échantillons numériques. Des outils logiciels ont ensuite été utilisés pour traiter les signaux, extraire les données d'image et les introduire dans le modèle IA pour la reconnaissance et l'amélioration de l'image.
L'élément clé est l'utilisation de DRUNet (Deep Residual U-Net), un réseau neuronal convolutif à architecture encodeur-décodeur, particulièrement adapté aux tâches de restauration d'image. En optimisant l'architecture du réseau et le processus d'entraînement, le DRUNet a considérablement amélioré la qualité de la restauration de l'image, notamment en termes de lisibilité du texte.
Pour valider cette technologie, l'équipe a créé un ensemble de données d'environ 3500 échantillons pour les tests. Les résultats montrent que sur un ensemble de données réelles, le modèle utilisant des échantillons complexes a obtenu les meilleures performances selon plusieurs indicateurs d'évaluation. Les méthodes traditionnelles affichent un taux d'erreur de caractères supérieur à 90 % sur les données réelles, tandis que leur modèle le réduit à 35,3 %.
Cette recherche met en lumière le potentiel de l'IA dans le domaine de la sécurité de l'information, mais nous rappelle également que même une connexion HDMI, apparemment sécurisée, peut présenter un risque de vol d'informations. Cependant, l'équipe de recherche propose des mesures préventives, telles que l'ajout d'un bruit de faible niveau ou l'utilisation de dégradés de couleur en arrière-plan sur l'image affichée, afin de réduire efficacement le taux de réussite des fuites électromagnétiques.
Adresse du projet : https://github.com/emidan19/deep-tempest
Adresse de l'article : https://arxiv.org/pdf/2407.09717
